基于稀疏注意力机制的多智能体强化学习方法及系统

摘要

本发明公开了一种基于稀疏注意力机制的多智能体强化学习方法，所述方法包括如下步骤：初始化每个智能体的策略网络参数、中心化Q1值网络参数以及中心化Q2值网络参数，初始化经验回放缓存；重置多智能体环境，每个智能体得到初始观察oi；每一个智能体根据当前策略以及当前观察，执行策略输出的动作从而得到环境反馈的即时回报，并得到下一个观察oi′；将以上收集到的数据存入经验回放缓存中然后每一个智能体从经中采样相关训练数据；计算每个智能体与其他所有智能体的注意力权重向量，计算中心化Q1值以及Q2值；每个智能体根据上述结果更新上述所有参数；重复上述流程直到算法收敛或达到指定停止条件。本发明还公开了一种实现上述方法的系统。